BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Biskup Dariusz (Akademia Ekonomiczna we Wrocławiu)
Tytuł
Analiza przestrzenno-czasowa poziomu zanieczyszczenia środowiska
Spatio-Temporal Pollution Analysis
Źródło
Prace Naukowe Akademii Ekonomicznej we Wrocławiu, 2007, nr 1163, s. 55-64, rys., tab., bibliogr. 6 poz.
Tytuł własny numeru
Statystyka w praktyce społeczno-gospodarczej
Słowa kluczowe
Zanieczyszczenie środowiska, Analiza przestrzenna, Modelowanie zjawisk czasowo-przestrzennych
Environmental pollution, Spatial analysis, Modeling of time-space
Uwagi
summ.
Abstrakt
Poziom zanieczyszczenia środowiska jest zjawiskiem, które można analizować w wymiarze zarówno przestrzennym jak i czasowym. W wymiarze przestrzennym zakłada się na ogół, że wielkość korelacji poziomu zanieczyszczenia między punktami pomiarowymi jest zależna od odległości między nimi. W analizie czasowej korelacja może być przedstawiona jako funkcja różnicy momentów pomiaru. Wiele zbiorów danych dotyczących zanieczyszczenia środowiska jest dostępnych w ujęciu przestrzenno-czasowym. Łączna analiza takich danych w obydwu tych ujęciach pozwala na znacznie skuteczniejsze przewidywanie poziomów zanieczyszczenia w porównaniu z analizą uwzględniającą tylko jeden z tych czynników. W referacie przedstawione zostaną wyniki analizy z użyciem modelu przestrzenno-czasowego dla danych o zanieczyszczeniu zmierzonych na Dolnym Śląsku. Parametry opisywanego modelu będą szacowane metodami bayesowskimi z wykorzystaniem algorytmu Gibbsa. (fragment tekstu)

Environmental pollution can be analysed both spatially and temporally. In the spatial context, it is usually assumed that pollution correlation between monitoring sites is dependent on the distance between them. In the temporal analysis the correlation depends on the time lag between the measurements. The paper presents one of the methods of spatio-temporal modelling. It will be assumed that the pollution is a Gaussian process Y(s, t), where s denotes the location of the measurement site (sϵ R2), and t is the measurement time. The model is illustrated by the analysis of pollution in the Lower Silesia region. The parameters are estimated with the Bayesian approach using the Gibbs sampler. (original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Bibliografia
Pokaż
  1. Banerjee S., Carlin B.P., Gelfand A.E., Hierarchical Modeling and Analysis for Spatial Data, Chapman & Hall/CRC, Boca Raton 2003.
  2. Koop G., Bayesian Econometrics, Wiley, New York 2003.
  3. Rao C.R., Rao M.B., Matrix Algebra and Its Applications to Statistics and Econometrics, World Scientific Publishing, Singapore 1998.
  4. Robert C.P., Casella G., Monte Carlo Statistical Methods, Springer, New York 2004.
  5. Sahu S.K., Mardia K.V., A Bayesian Kriged Kalman Model for Short-term Forecasting of Air Pollution Levels, "Journal of the Royal Statistical Society", Series С (Applied Statistics) 2005, 54, 223-244.
  6. Strona internetowa Wojewódzkiego Inspektoratu Ochrony Środowiska we Wrocławiu http://www.wroclaw.pios.gov.pl/.
Cytowane przez
Pokaż
ISSN
0324-8445
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu